JP2020123925A - 情報処理装置及びプログラム - Google Patents

Abstract

【課題】複数の文字領域の中心座標の関係を用いて合成する場合と比較して、所望の合成結果を得ることができる情報処理装置及びプログラムを提供する。【解決手段】画像形成装置１０Ａは、画像情報に対してレイアウト解析を行い、複数の領域を取得する取得部３０と、取得部３０により取得された複数の領域の各々から、領域が連続していることを示す特徴を検出する検出部３２と、検出部３２により特徴が検出された場合、隣接する領域を合成する合成部３４と、を備える。【選択図】図３

Description

本発明は、情報処理装置及びプログラムに関する。

例えば、特許文献１には、原画像における情報を認識する認識処理方法が記載されている。この方法は、原画像における領域を識別し、識別により定義された領域毎の被認識対象から得られる情報に応じて原画像における領域を再識別し、再識別された領域毎に被認識対象の認識処理を行う。

特開２００１−５２１１２号公報

ところで、文字領域を合成する場合に、文字領域の中心座標及び高さを用いて合成する技術があるが、この場合、中心座標が近接し、かつ、行の高さの差が小さい文字領域が合成される。つまり、中心座標が近接していない文字領域は合成されないため、所望の合成結果を得ることができない場合がある。

本発明は、複数の文字領域の中心座標の関係を用いて合成する場合と比較して、所望の合成結果を得ることができる情報処理装置及びプログラムを提供することを目的とする。

上記目的を達成するために、第１態様に係る情報処理装置は、画像情報に対してレイアウト解析を行い、複数の領域を取得する取得部と、前記取得部により取得された複数の領域の各々から、領域が連続していることを示す特徴を検出する検出部と、前記検出部により前記特徴が検出された場合、隣接する領域を合成する合成部と、を備えている。

また、第２態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記複数の領域が、文字候補を含む文字領域を含み、前記特徴が、文字領域内に含まれる文字行の先頭又は後尾に位置する特定の画像とされている。

また、第３態様に係る情報処理装置は、第２態様に係る情報処理装置において、前記合成部が、前記特定の画像が前記文字行の先頭に位置する場合、前記文字領域と、前記文字領域の左端に隣接する文字領域とを合成し、前記特定の画像が前記文字行の後尾に位置する場合、前記文字領域と、前記文字領域の右端に隣接する文字領域とを合成する。

また、第４態様に係る情報処理装置は、第２態様又は第３態様に係る情報処理装置において、前記特定の画像が、予め定められた区切り文字を表す画像とされている。

また、第５態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記複数の領域が、文字候補を含む文字領域を含み、前記特徴が、文字領域内に含まれる文字行の先頭又は後尾に位置する特定の画像を文字認識して得られる文字コードとされている。

また、第６態様に係る情報処理装置は、第５態様に係る情報処理装置において、前記合成部が、前記文字コードが前記文字行の先頭に位置する場合、前記文字領域と、前記文字領域の左端に隣接する文字領域とを合成し、前記文字コードが前記文字行の後尾に位置する場合、前記文字領域と、前記文字領域の右端に隣接する文字領域とを合成する。

また、第７態様に係る情報処理装置は、第５態様又は第６態様に係る情報処理装置において、前記文字コードが、予め定められた区切り文字を表すコードとされている。

また、第８態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記複数の領域が、文字候補を含む文字領域及び前記文字領域以外の画像領域を含み、前記特徴が、前記画像領域内に含まれる特定の画像とされている。

また、第９態様に係る情報処理装置は、第８態様に係る情報処理装置において、前記合成部が、前記特定の画像を含む画像領域の左右両端に文字領域が位置する場合、前記画像領域と、前記左右両端の文字領域とを合成する。

また、第１０態様に係る情報処理装置は、第８態様又は第９態様に係る情報処理装置において、前記特定の画像が、予め定められたリーダー記号を表す画像とされている。

また、第１１態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記複数の領域が、文字候補を含む文字領域及び前記文字領域以外の画像領域を含み、前記特徴が、前記画像領域内に含まれる特定の画像を文字認識して得られる文字コードとされている。

また、第１２態様に係る情報処理装置は、第１１態様に係わる情報処理装置において、前記合成部が、前記文字コードを含む画像領域の左右両端に文字領域が位置する場合、前記画像領域と、前記左右両端の文字領域とを合成する。

また、第１３態様に係る情報処理装置は、第１１態様又は第１２態様に係る情報処理装置において、前記文字コードが、予め定められたリーダー記号を表すコードとされている。

更に、上記目的を達成するために、第１４態様に係るプログラムは、コンピュータを、第１態様〜第１３態様のいずれか１の態様に係る情報処理装置が備える各部として機能させる。

第１態様及び第１４態様によれば、複数の文字領域の中心座標の関係を用いて合成する場合と比較して、所望の合成結果を得ることができる、という効果を有する。

第２態様によれば、文字行の先頭又は後尾に位置する特定の画像を特徴として考慮しない場合と比較して、連続している文字領域を適切に検出することができる、という効果を有する。

第３態様によれば、文字行における特定の画像の位置を考慮せずに合成する場合と比較して、連続している文字領域を適切に合成することができる、という効果を有する。

第４態様によれば、特定の画像として区切り文字を用いない場合と比較して、連続している文字領域の検出をより適切に行うことができる、という効果を有する。

第５態様によれば、文字行の先頭又は後尾に位置する特定の画像の文字コードを特徴として考慮しない場合と比較して、連続している文字領域を精度良く検出することができる、という効果を有する。

第６態様によれば、文字行における文字コードの位置を考慮せずに合成する場合と比較して、連続している文字領域を適切に合成することができる、という効果を有する。

第７態様によれば、文字コードとして区切り文字を表すコードを用いない場合と比較して、連続している文字領域の検出をより精度良く行うことができる、という効果を有する。

第８態様によれば、画像領域内に含まれる特定の画像を特徴として考慮しない場合と比較して、連続している文字領域を適切に検出することができる、という効果を有する。

第９態様によれば、特定の画像の位置を考慮せずに合成する場合と比較して、連続している文字領域を適切に合成することができる、という効果を有する。

第１０態様によれば、特定の画像としてリーダー記号を用いない場合と比較して、連続している文字領域の検出をより適切に行うことができる、という効果を有する。

第１１態様によれば、画像領域内に含まれる特定の画像の文字コードを特徴として考慮しない場合と比較して、連続している文字領域を精度良く検出することができる、という効果を有する。

第１２態様によれば、文字コードの位置を考慮せずに合成する場合と比較して、連続している文字領域を適切に合成することができる、という効果を有する。

第１３態様によれば、文字コードとしてリーダー記号を表すコードを用いない場合と比較して、連続している文字領域の検出をより精度良く行うことができる、という効果を有する。

第１の実施形態に係る画像形成装置の電気的な構成の一例を示すブロック図である。 （Ａ）は、入力画像の一例を示す図である。（Ｂ）は、複数の文字領域の一例を示す図である。 第１の実施形態に係る画像形成装置の機能的な構成の一例を示すブロック図である。 第１の実施形態に係る文字認識処理プログラムによる処理の流れの一例を示すフローチャートである。 第１の実施形態に係る入力画像の一例を示す図である。 第１の実施形態に係るレイアウト解析結果として得られる複数の文字領域の一例を示す図である。 第１の実施形態に係る合成結果として得られる文字領域の一例を示す図である。 第１の実施形態に係る合成処理が適用された画像の一例を示す図である。 （Ａ）は、入力画像の他の例を示す図である。（Ｂ）は、複数の文字領域の他の例を示す図である。 第２の実施形態に係る画像形成装置の機能的な構成の一例を示すブロック図である。 第２の実施形態に係る文字認識処理プログラムによる処理の流れの一例を示すフローチャートである。 第２の実施形態に係る入力画像の一例を示す図である。 第２の実施形態に係るレイアウト解析結果として得られる画像領域及び複数の文字領域の一例を示す図である。 第２の実施形態に係る合成結果として得られる文字領域の一例を示す図である。 第２の実施形態に係る合成処理が適用された画像の一例を示す図である。

以下、図面を参照して、本発明を実施するための形態の一例について詳細に説明する。

[第１の実施形態]
図１は、第１の実施形態に係る画像形成装置１０Ａの電気的な構成の一例を示すブロック図である。
図１に示すように、本実施形態に係る画像形成装置１０Ａは、制御部１２と、記憶部１４と、表示部１６と、操作部１８と、画像形成部２０と、原稿読取部２２と、通信部２４と、を備えている。

なお、画像形成装置１０Ａは、情報処理装置の一例である。この情報処理装置には、画像形成装置１０Ａ以外に、例えば、パーソナルコンピュータ（ＰＣ：Personal Computer）や、スマートフォン、タブレット端末等を適用してもよい。

制御部１２は、ＣＰＵ（Central Processing Unit）１２Ａ、ＲＯＭ（Read Only Memory）１２Ｂ、ＲＡＭ（Random Access Memory）１２Ｃ、及び入出力インターフェース（Ｉ／Ｏ）１２Ｄを備えており、これら各部がバスを介して各々接続されている。

Ｉ／Ｏ１２Ｄには、記憶部１４と、表示部１６と、操作部１８と、画像形成部２０と、原稿読取部２２と、通信部２４と、を含む各機能部が接続されている。これらの各機能部は、Ｉ／Ｏ１２Ｄを介して、ＣＰＵ１２Ａと相互に通信可能とされる。

制御部１２は、画像形成装置１０Ａの一部の動作を制御するサブ制御部として構成されてもよいし、画像形成装置１０Ａの全体の動作を制御するメイン制御部の一部として構成されてもよい。制御部１２の各ブロックの一部又は全部には、例えば、ＬＳＩ（Large Scale Integration）等の集積回路又はＩＣ（Integrated Circuit）チップセットが用いられる。上記各ブロックに個別の回路を用いてもよいし、一部又は全部を集積した回路を用いてもよい。上記各ブロック同士が一体として設けられてもよいし、一部のブロックが別に設けられてもよい。また、上記各ブロックのそれぞれにおいて、その一部が別に設けられてもよい。制御部１２の集積化には、ＬＳＩに限らず、専用回路又は汎用プロセッサを用いてもよい。

記憶部１４としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等が用いられる。記憶部１４には、本実施形態に係る文字認識機能を実現するための文字認識処理プログラム１４Ａが記憶される。なお、この文字認識処理プログラム１４Ａは、ＲＯＭ１２Ｂに記憶されていてもよい。

文字認識処理プログラム１４Ａは、例えば、画像形成装置１０Ａに予めインストールされていてもよい。文字認識処理プログラム１４Ａは、不揮発性の記憶媒体に記憶して、又はネットワークを介して配布して、画像形成装置１０Ａに適宜インストールすることで実現してもよい。なお、不揮発性の記憶媒体の例としては、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）、光磁気ディスク、ＨＤＤ、ＤＶＤ-ＲＯＭ（Digital Versatile Disc Read Only Memory）、フラッシュメモリ、メモリカード等が想定される。

表示部１６には、例えば、液晶ディスプレイ（ＬＣＤ:Liquid Crystal Display）や有機ＥＬ（Electro Luminescence）ディスプレイ等が用いられる。表示部１６は、タッチパネルを一体的に有している。操作部１８には、テンキーやスタートキー等の各種の操作キーが設けられている。表示部１６及び操作部１８は、画像形成装置１０Ａのユーザから各種の指示を受け付ける。この各種の指示には、例えば、原稿の読み取りを開始させる指示や、原稿のコピーを開始させる指示等が含まれる。表示部１６は、ユーザから受け付けた指示に応じて実行された処理の結果や、処理に対する通知等の各種の情報を表示する。

原稿読取部２２は、画像形成装置１０Ａの上部に設けられた図示しない自動原稿送り装置の給紙台に置かれた原稿を１枚ずつ取り込み、取り込んだ原稿を光学的に読み取って画像情報を得る。あるいは、原稿読取部２２は、プラテンガラス等の原稿台に置かれた原稿を光学的に読み取って画像情報を得る。

画像形成部２０は、原稿読取部２２による読み取りによって得られた画像情報、又は、ネットワークを介して接続された外部のＰＣ等から得られた画像情報に基づく画像を、紙等の記録媒体に形成する。なお、本実施形態においては、画像を形成する方式として、電子写真方式を例示して説明するが、インクジェット方式等の他の方式を採用してもよい。

画像を形成する方式が電子写真方式の場合、画像形成部２０は、感光体ドラム、帯電部、露光部、現像部、転写部、及び定着部を含む。帯電部は、感光体ドラムに電圧を印加して感光体ドラムの表面を帯電させる。露光部は、帯電部で帯電された感光体ドラムを画像情報に応じた光で露光することにより感光体ドラムに静電潜像を形成する。現像部は、感光体ドラムに形成された静電潜像をトナーにより現像することで感光体ドラムにトナー像を形成する。転写部は、感光体ドラムに形成されたトナー像を記録媒体に転写する。定着部は、記録媒体に転写されたトナー像を加熱及び加圧により定着させる。

通信部２４は、インターネットや、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等のネットワークに接続されており、外部のＰＣ等との間でネットワークを介して通信が可能とされる。

本実施形態に係る画像形成装置１０Ａは、ＯＣＲ（Optical Character Recognition）機能を備え、画像情報に含まれる画像を文字認識することにより文字コードに変換することが可能とされる。

ところで、一例として、図２（Ａ）及び図２（Ｂ）に示すように、複数の文字領域の中心座標の関係を用いて複数の文字領域を合成する場合、所望の合成結果を得ることができない場合がある。

図２（Ａ）は、入力画像の一例を示す図である。
図２（Ｂ）は、複数の文字領域の一例を示す図である。

図２（Ａ）に示す入力画像は、５つの文字行で構成された画像であり、この入力画像に対して、レイアウト解析を行うと、図２（Ｂ）に示すように、複数の文字領域Ｒ１、Ｒ２を含むレイアウト解析結果が得られる。

そして、文字領域Ｒ２の各文字行の先頭には、区切り文字「：」があるため、本来、文字領域Ｒ１と文字領域Ｒ２とは連続した文字領域と考えられる。従って、これらの文字領域Ｒ１と文字領域Ｒ２とは１つの文字領域に合成されることが望ましいが、中心座標の関係によっては合成されない場合がある。

このため、本実施形態に係る画像形成装置１０ＡのＣＰＵ１２Ａは、記憶部１４に記憶されている文字認識処理プログラム１４ＡをＲＡＭ１２Ｃに書き込んで実行することにより、図３に示す各部として機能する。

図３は、第１の実施形態に係る画像形成装置１０Ａの機能的な構成の一例を示すブロック図である。
図３に示すように、本実施形態に係る画像形成装置１０ＡのＣＰＵ１２Ａは、取得部３０、検出部３２、合成部３４、及び認識部３６として機能する。

本実施形態に係る取得部３０は、入力画像に対してレイアウト解析を行い、複数の領域を取得する。このレイアウト解析とは、文字認識の前処理として行われる処理であり、黒画素の連結状態や、黒画素の塊の間隔等から、文字候補を含む文字領域と、文字領域以外の画像領域とを区別して取得する処理である。このレイアウト解析により、各領域についての位置やサイズ等の属性を示すレイアウト情報が取得される。なお、入力画像は、原稿読取部２２による読み取りによって得られた画像情報でもよいし、ネットワークを介して外部のＰＣ等から得られた画像情報でもよい。

本実施形態に係る検出部３２は、取得部３０により取得された複数の領域の各々から、領域が連続であることを示す特徴を検出する。本実施形態の場合、複数の領域には、少なくとも文字領域が含まれていればよいが、文字領域及び画像領域を含んでいてもよい。また、領域が連続であることを示す特徴には、文字領域内に含まれる文字行の先頭又は後尾に位置する特定の画像が適用される。ここでいう特定の画像は、一例として、予め定められた区切り文字を表す画像である。なお、区切り文字としては、一例として、：、；、＝、−、→、等が挙げられる。この区切り文字とは、約物の一種であり、文字列と文字列とをつなぐために用いられる。

本実施形態に係る合成部３４は、検出部３２により特徴が検出された場合、隣接する領域を合成する。具体的に、合成部３４は、特徴の一例である区切り文字が文字行の先頭に位置する場合、区切り文字を含む文字領域と、当該文字領域の左端に隣接する文字領域とを合成する。一方、合成部３４は、区切り文字が文字行の後尾に位置する場合、区切り文字を含む文字領域と、当該文字領域の右端に隣接する文字領域とを合成する。

本実施形態に係る認識部３６は、合成部３４により合成して得られた文字領域を含む複数の文字領域に対して、文字認識処理を行い、得られた文字認識結果を一例として記憶部１４に出力する。なお、この文字認識処理には、一例として、特徴量マッチング法、パターンマッチング法等の公知の手法が用いられる。

次に、図４を参照して、第１の実施形態に係る画像形成装置１０Ａの作用を説明する。

図４は、第１の実施形態に係る文字認識処理プログラム１４Ａによる処理の流れの一例を示すフローチャートである。

まず、画像形成装置１０Ａに対して、文字認識処理プログラム１４Ａの起動が指示されると、以下の各ステップを実行する。

図４のステップ１００では、取得部３０が、入力画像に対するレイアウト解析により複数の領域を取得する。一例として、図５に示す入力画像５０に対して、レイアウト解析を行い、図６に示す複数の文字領域Ｒ１１、Ｒ１２を含むレイアウト解析結果が得られる。

図５は、第１の実施形態に係る入力画像５０の一例を示す図である。
図６は、第１の実施形態に係るレイアウト解析結果として得られる複数の文字領域Ｒ１１、Ｒ１２の一例を示す図である。

ステップ１０２では、検出部３２が、ステップ１００で取得した複数の領域から１つの文字領域を特定する。一例として、図６に示す複数の文字領域Ｒ１１、Ｒ１２から、１つの文字領域Ｒ１２を特定する。

ステップ１０４では、検出部３２が、ステップ１０２で特定した文字領域に含まれる文字行の先頭の画像を検出する。一例として、図６に示す文字領域Ｒ１２から文字行の先頭の画像５０Ａを検出する。

ステップ１０６では、検出部３２が、ステップ１０４で検出した先頭の画像が区切り文字であるか否かを判定する。先頭の画像が区切り文字であると判定した場合（肯定判定の場合）、ステップ１０８に移行し、先頭の画像が区切り文字ではないと判定した場合（否定判定の場合）、ステップ１１０に移行する。一例として、図６に示す画像５０Ａは、区切り文字「：」と判定される。この区切り文字の判定には、一例として、特徴量マッチング法や、パターンマッチング法等の公知の手法が用いられる。例えば、予め区切り文字の特徴量（黒画素の連結状態や、黒画素の塊の間隔等）を導出して、特徴量の辞書を作成し、作成した辞書を記憶部１４に格納しておく。そして、文字領域から検出した文字行の先頭の画像の特徴量を導出し、辞書の特徴量と比較することにより、区切り文字を判定する。

ステップ１０８では、合成部３４が、区切り文字を含む文字領域と、当該文字領域の左端に隣接する文字領域とを合成し、ステップ１１６に移行する。一例として、図６に示す文字領域Ｒ１２と文字領域Ｒ１１とが合成され、合成結果として、図７に示す文字領域Ｒ１３が得られる。

図７は、第１の実施形態に係る合成結果として得られる文字領域Ｒ１３の一例を示す図である。

なお、区切り文字を含む文字領域と、当該文字領域の左側に位置する文字領域との間に、文字候補以外の画像を含む画像領域がある場合には、左側に位置する文字領域は合成対象から除外される。また、区切り文字を含む文字領域と、当該文字領域の左側に位置する文字領域との間の距離が一定距離以上（例えば１０文字以上）離れている場合に、左側に位置する文字領域は合成対象から除外される。

一方、ステップ１１０では、検出部３２が、ステップ１０２で特定した文字領域に含まれる文字行の後尾の画像を検出する。なお、ステップ１０４〜ステップ１０８と、ステップ１１０〜ステップ１１４とは順序を入れ替えてもよい。

ステップ１１２では、検出部３２が、ステップ１１０で検出した後尾の画像が区切り文字であるか否かを判定する。後尾の画像が区切り文字であると判定した場合（肯定判定の場合）、ステップ１１４に移行し、後尾の画像が区切り文字ではないと判定した場合（否定判定の場合）、ステップ１１６に移行する。

ステップ１１４では、合成部３４が、区切り文字を含む文字領域と、当該文字領域の右端に隣接する文字領域とを合成し、ステップ１１６に移行する。なお、区切り文字を含む文字領域と、当該文字領域の右側に位置する文字領域との間に、文字候補以外の画像を含む画像領域がある場合には、右側に位置する文字領域は合成対象から除外される。また、区切り文字を含む文字領域と、当該文字領域の右側に位置する文字領域との間の距離が一定距離以上（例えば１０文字以上）離れている場合に、右側に位置する文字領域は合成対象から除外される。

ステップ１１６では、合成部３４が、合成処理が未処理の文字領域があるか否かを判定する。未処理の文字領域があると判定した場合（肯定判定の場合）、ステップ１０２に戻り処理を繰り返し、未処理の文字領域がないと判定した場合（否定判定の場合）、ステップ１１８に移行する。

ステップ１１８では、認識部３６が、上記合成処理により得られた文字領域を含む複数の文字領域に対して、文字認識処理を行い、文字認識結果を取得する。

ステップ１２０では、認識部３６が、ステップ１１８で得られた文字認識結果を一例として記憶部１４に出力し、本文字認識処理プログラム１４Ａによる一連の処理を終了する。

図８は、第１の実施形態に係る合成処理が適用された画像の一例を示す図である。
図８に示す画像の場合、文字領域Ｒ１４を含むレイアウト解析結果が得られる。

図８において、「軒裏換気：、軒裏仕上：、不燃番号：、準耐火構造：」を含む文字領域には区切り文字「：」が含まれている。このため、当該文字領域の右端に隣接する、「ｘｘｘｘ軒天換気 軒先タイプ、ｘｘｘｘ 厚８ｍｍ、ＮＭＸＸＸＸ、ＱＦ０３０ＲＳ−ＸＸＸＸ」を含む文字領域が合成されて文字領域Ｒ１４となる。

なお、上記では、文字領域が連続していることを示す特徴として、区切り文字を表す画像を用いた場合について説明したが、この特徴として、区切り文字を表す文字コードを用いてもよい。この場合、検出部３２は、文字領域内に含まれる文字行の先頭又は後尾に位置する特定の画像を文字認識して得られる文字コードが、予め定められた区切り文字を表すコードであるか否かを判定することで、区切り文字を表す文字コードを検出する。特定の画像は、区切り文字を表す画像であり、文字認識処理は、認識部３６により行われる。また、文字認識に用いるコード表は、記憶部１４に格納しておくとよい。

そして、合成部３４は、区切り文字を表す文字コードが文字行の先頭に位置する場合、この文字コードを含む文字領域と、当該文字領域の左端に隣接する文字領域とを合成する。一方、合成部３４は、区切り文字を表す文字コードが文字行の後尾に位置する場合、この文字コードを含む文字領域と、当該文字領域の右端に隣接する文字領域とを合成する。

本実施形態によれば、文字領域が連続していることを示す特徴として、文字領域内に含まれる区切り文字が適用される。このため、複数の文字領域から所望の合成結果が得られる。

[第２の実施形態]
上記第１の実施形態では、文字領域が連続していることを示す特徴として、文字領域内に含まれる区切り文字を適用した場合について説明した。本実施形態では、文字領域が連続していることを示す特徴として、画像領域内に含まれるリーダー記号を適用した場合について説明する。

上述したように、複数の文字領域の中心座標の関係を用いて複数の文字領域を合成する場合、所望の合成結果を得ることができない場合がある。これについて、図９（Ａ）及び図９（Ｂ）を参照して説明する。

図９（Ａ）は、入力画像の他の例を示す図である。
図９（Ｂ）は、複数の文字領域の他の例を示す図である。

図９（Ａ）に示す入力画像は、５つの文字行で構成された画像であり、この入力画像に対して、レイアウト解析を行うと、図９（Ｂ）に示すように、複数の文字領域Ｒ２１、Ｒ２２、Ｒ２３、Ｒ２４を含むレイアウト解析結果が得られる。

そして、文字領域Ｒ２１、Ｒ２２、Ｒ２３と、文字領域Ｒ２４との間には、リーダー記号「・・・」があるため、本来、文字領域Ｒ２１、文字領域Ｒ２２、文字領域Ｒ２３、及び文字領域Ｒ２４は連続した文字領域と考えられる。従って、これらの文字領域Ｒ２１、文字領域Ｒ２２、文字領域Ｒ２３、及び文字領域Ｒ２４は１つの文字領域に合成されることが望ましいが、中心座標の関係によっては合成されない場合がある。

このため、本実施形態に係る画像形成装置１０ＢのＣＰＵ１２Ａは、記憶部１４に記憶されている文字認識処理プログラム１４ＡをＲＡＭ１２Ｃに書き込んで実行することにより、図１０に示す各部として機能する。

図１０は、第２の実施形態に係る画像形成装置１０Ｂの機能的な構成の一例を示すブロック図である。
図１０に示すように、本実施形態に係る画像形成装置１０ＢのＣＰＵ１２Ａは、取得部３０、検出部３８、合成部４０、及び認識部３６として機能する。なお、第１の実施形態に示す画像形成装置１０Ａと同一の機能を有する構成要素には同一の符号を付し、ここでの繰り返しの説明は省略する。

本実施形態に係る検出部３８は、取得部３０により取得された複数の領域の各々から、領域が連続であることを示す特徴を検出する。本実施形態の場合、複数の領域には、文字領域及び画像領域が含まれる。また、領域が連続であることを示す特徴には、画像領域内に含まれる特定の画像が適用される。ここでいう特定の画像は、一例として、予め定められたリーダー記号を表す画像である。なお、リーダー記号としては、一例として、・・・（３点リーダー）、・・（２点リーダー）、等が挙げられる。このリーダー記号とは、約物の一種であり、上記の区切り文字と同様に、文字列と文字列とをつなぐために用いられる。このリーダー記号は、一定数以上（例えば２個以上）の黒画素の塊が直線状に並べられたものである。

本実施形態に係る合成部４０は、検出部３２により特徴が検出された場合、隣接する領域を合成する。具体的に、合成部３４は、特徴の一例であるリーダー記号を含む画像領域の左右両端に文字領域が位置する場合、リーダー記号を含む画像領域と、左右両端の文字領域とを合成する。

次に、図１１を参照して、第２の実施形態に係る画像形成装置１０Ｂの作用を説明する。

図１１は、第２の実施形態に係る文字認識処理プログラム１４Ａによる処理の流れの一例を示すフローチャートである。

まず、画像形成装置１０Ｂに対して、文字認識処理プログラム１４Ａの起動が指示されると、以下の各ステップを実行する。

図１１のステップ１３０では、取得部３０が、入力画像に対するレイアウト解析により複数の領域を取得する。一例として、図１２に示す入力画像５２に対して、レイアウト解析を行い、図１３に示す画像領域Ｒ３１、複数の文字領域Ｒ３２〜Ｒ３５を含むレイアウト解析結果が得られる。

図１２は、第２の実施形態に係る入力画像５２の一例を示す図である。
図１３は、第２の実施形態に係るレイアウト解析結果として得られる画像領域Ｒ３１及び複数の文字領域Ｒ３２〜Ｒ３５の一例を示す図である。

ステップ１３２では、検出部３８が、ステップ１３０で取得した複数の領域から１つの画像領域を特定する。一例として、図１３に示す画像領域Ｒ３１、複数の文字領域Ｒ３２〜Ｒ３５から、１つの画像領域Ｒ３１を特定する。

ステップ１３４では、検出部３８が、ステップ１３２で特定した画像領域内の連続する複数の黒画素塊をグループ化する。この黒画素塊は、文字より小さい（例えば１０ポイントの１／４程度）黒画素の塊である。直線状に並ぶ複数の黒画素塊をグループ化してリーダー記号候補とする。一例として、図１３に示す画像領域Ｒ３１に含まれる複数の黒画素塊５２Ａをグループ化する。

ステップ１３６では、検出部３８が、ステップ１３４でグループ化した複数の黒画素塊がリーダー記号であるか否かを判定する。グループ化した複数の黒画素塊がリーダー記号であると判定した場合（肯定判定の場合）、ステップ１３８に移行し、グループ化した複数の黒画素塊がリーダー記号ではないと判定した場合（否定判定の場合）、ステップ１４２に移行する。一例として、図１３に示す複数の黒画素塊５２Ａは、リーダー記号と判定される。なお、このリーダー記号の判定には、複数の黒画素塊の個数や間隔等を用いるようにしてもよい。例えば、複数の黒画素塊の個数が一定数以上（例えば２個以上）である場合には、リーダー記号と判定し、一定数未満である場合には、リーダー記号と判定しない。また、複数の黒画素塊の間隔が一定である場合には、リーダー記号と判定し、複数の黒画素塊の間隔が一定でない場合には、リーダー記号と判定しないようにしてもよい。

ステップ１３８では、合成部４０が、リーダー記号を含む画像領域の左右両端に文字領域が有るか否かを判定する。画像領域の左右両端に文字領域があると判定した場合（肯定判定の場合）、ステップ１４０に移行し、画像領域の左右両端に文字領域がないと判定した場合（否定判定の場合）、ステップ１４２に移行する。

ステップ１４０では、合成部４０が、リーダー記号を含む画像領域と、当該画像領域の左右両端に隣接する文字領域とを合成し、ステップ１４２に移行する。一例として、図１３に示す画像領域Ｒ３１と、複数の文字領域Ｒ３２〜Ｒ３５とが合成され、合成結果として、図１４に示す文字領域Ｒ３６が得られる。

図１４は、第２の実施形態に係る合成結果として得られる文字領域Ｒ３６の一例を示す図である。

ステップ１４２では、合成部４０が、合成処理が未処理の画像領域があるか否かを判定する。未処理の画像領域があると判定した場合（肯定判定の場合）、ステップ１３２に戻り処理を繰り返し、未処理の画像領域がないと判定した場合（否定判定の場合）、ステップ１４４に移行する。

ステップ１４４では、認識部３６が、上記合成処理により得られた文字領域を含む複数の文字領域に対して、文字認識処理を行い、文字認識結果を取得する。

ステップ１４６では、認識部３６が、ステップ１４４で得られた文字認識結果を一例として記憶部１４に出力し、本文字認識処理プログラム１４Ａによる一連の処理を終了する。

図１５は、第２の実施形態に係る合成処理が適用された画像の一例を示す図である。
図１５に示す画像の場合、文字領域Ｒ３７を含むレイアウト解析結果が得られる。

図１５において、「１ 木ネジ、２ 平座金、３ ＦＴネジ、４ ブッシュ、５ 排気口、６ ソフトテープ、７ ソフトテープ」を含む文字領域と、「６本、４個、４本、４個、１個、１本、１本」を含む文字領域との間には、リーダー記号「・・・」を含む画像領域が存在する。このため、当該画像領域と左右両端に隣接する文字領域とが合成されて文字領域Ｒ３７となる。

なお、上記では、文字領域が連続していることを示す特徴として、リーダー記号を表す画像を用いた場合について説明したが、この特徴として、リーダー記号を表す文字コードを用いてもよい。この場合、検出部３８は、画像領域内に含まれる特定の画像を文字認識して得られる文字コードが、予め定められたリーダー記号を表すコードであるか否かを判定することで、リーダー記号を表す文字コードを検出する。特定の画像は、リーダー記号を表す画像であり、文字認識処理は、認識部３６により行われる。また、文字認識に用いるコード表は、記憶部１４に格納しておくとよい。

そして、合成部４０は、リーダー記号を表す文字コードを含む画像領域の左右両端に文字領域が位置する場合、この文字コードを含む画像領域と、当該画像領域の左右両端に隣接する文字領域とを合成する。

本実施形態によれば、文字領域が連続していることを示す特徴として、画像領域内に含まれるリーダー記号が適用される。このため、複数の文字領域から所望の合成結果が得られる。

以上、実施形態に係る情報処理装置の一例として画像形成装置を例示して説明した。実施形態は、画像形成装置が備える各部の機能をコンピュータに実行させるためのプログラムの形態としてもよい。実施形態は、このプログラムを記憶したコンピュータが読み取り可能な記憶媒体の形態としてもよい。

その他、上記実施形態で説明した画像形成装置の構成は、一例であり、主旨を逸脱しない範囲内において状況に応じて変更してもよい。

また、上記実施形態で説明したプログラムの処理の流れも、一例であり、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよい。

また、上記実施形態では、プログラムを実行することにより、実施形態に係る処理がコンピュータを利用してソフトウェア構成により実現される場合について説明したが、これに限らない。実施形態は、例えば、ハードウェア構成や、ハードウェア構成とソフトウェア構成との組み合わせによって実現してもよい。

１０Ａ、１０Ｂ画像形成装置
１２ 制御部
１２Ａ ＣＰＵ
１２Ｂ ＲＯＭ
１２Ｃ ＲＡＭ
１２Ｄ Ｉ／Ｏ
１４ 記憶部
１４Ａ 文字認識処理プログラム
１６ 表示部
１８ 操作部
２０ 画像形成部
２２ 原稿読取部
２４ 通信部
３０ 取得部
３２、３８ 検出部
３４、４０ 合成部
３６ 認識部
５０、５２ 入力画像
５０Ａ 画像
５２Ａ 黒画素塊

Claims (14)

1. 画像情報に対してレイアウト解析を行い、複数の領域を取得する取得部と、
   前記取得部により取得された複数の領域の各々から、領域が連続していることを示す特徴を検出する検出部と、
   前記検出部により前記特徴が検出された場合、隣接する領域を合成する合成部と、
   を備えた情報処理装置。
2. 前記複数の領域は、文字候補を含む文字領域を含み、
   前記特徴は、文字領域内に含まれる文字行の先頭又は後尾に位置する特定の画像である請求項１に記載の情報処理装置。
3. 前記合成部は、
   前記特定の画像が前記文字行の先頭に位置する場合、前記文字領域と、前記文字領域の左端に隣接する文字領域とを合成し、
   前記特定の画像が前記文字行の後尾に位置する場合、前記文字領域と、前記文字領域の右端に隣接する文字領域とを合成する請求項２に記載の情報処理装置。
4. 前記特定の画像は、予め定められた区切り文字を表す画像である請求項２又は３に記載の情報処理装置。
5. 前記複数の領域は、文字候補を含む文字領域を含み、
   前記特徴は、文字領域内に含まれる文字行の先頭又は後尾に位置する特定の画像を文字認識して得られる文字コードである請求項１に記載の情報処理装置。
6. 前記合成部は、
   前記文字コードが前記文字行の先頭に位置する場合、前記文字領域と、前記文字領域の左端に隣接する文字領域とを合成し、
   前記文字コードが前記文字行の後尾に位置する場合、前記文字領域と、前記文字領域の右端に隣接する文字領域とを合成する請求項５に記載の情報処理装置。
7. 前記文字コードは、予め定められた区切り文字を表すコードである請求項５又は６に記載の情報処理装置。
8. 前記複数の領域は、文字候補を含む文字領域及び前記文字領域以外の画像領域を含み、
   前記特徴は、前記画像領域内に含まれる特定の画像である請求項１に記載の情報処理装置。
9. 前記合成部は、前記特定の画像を含む画像領域の左右両端に文字領域が位置する場合、前記画像領域と、前記左右両端の文字領域とを合成する請求項８に記載の情報処理装置。
10. 前記特定の画像は、予め定められたリーダー記号を表す画像である請求項８又は９に記載の情報処理装置。
11. 前記複数の領域は、文字候補を含む文字領域及び前記文字領域以外の画像領域を含み、
    前記特徴は、前記画像領域内に含まれる特定の画像を文字認識して得られる文字コードである請求項１に記載の情報処理装置。
12. 前記合成部は、前記文字コードを含む画像領域の左右両端に文字領域が位置する場合、前記画像領域と、前記左右両端の文字領域とを合成する請求項１１に記載の情報処理装置。
13. 前記文字コードは、予め定められたリーダー記号を表すコードである請求項１１又は１２に記載の情報処理装置。
14. コンピュータを、請求項１〜１３のいずれか１項に記載の情報処理装置が備える各部として機能させるためのプログラム。